Data Science & Cognitive BI

Es liegt in der Natur der Sache, dass die meisten Daten unstrukturiert sind: E-Mails, Videos, Bilder, Logfiles, das Internet, soziale Medien, usw. Diese Daten in Informationen und Wissen umzuwandeln geht weit über den menschlichen Verstand hinaus – doch dieser scheint einzig und allein in der Lage zu sein, diese Daten überhaupt zu verarbeiten. Aktuell bleiben viele Daten ungenutzt und liegen brach. Data Science nennt sich die Wissenschaft, die insbesondere im Big Data-Umfeld aus all diesen Daten Wissen schafft. Und mittlerweile sind auch künstliche Intelligenzen alltagstauglich und machen einen neuen Ansatz salonfähig: Cognitive Computing.

Drucken

Data Science

Als Data Scientist kann man eine Person bezeichnen, die im Unternehmen selbstständig umfassende Datenmengen analysiert. Dabei bedient er sich sämtlicher zur Verfügung stehenden Analysewerkzeuge, insbesondere auch Predictive Analytics-Methoden, wie Big Data-Technologien. Data Science kann man als die Wissenschaft bezeichnen, wie man insbesondere aus Big Data Informationen zur Steuerung gewinnt. Demnach werden folgenden Fertigkeiten, Fähigkeiten  und Neigungen zur Betätigung in diesem Themenfeld benötigt:

  • Affinität zu Naturwissenschaften (Mathematik, Informatik)
  • Analytische Kompetenzen (Datenanalyse, Data Mining und statistische Methoden)
  • IT-Fähigkeiten (Datenstrukturen, Programmierung, BI-Applikationen, Anwendungssoftware)
  • Business Verständnis (Geschäftsmodell, Geschäftsprozesse, Organisationsstruktur)
  • Kreativität
  • Klare Kommunikation

Die fortschreitende Digitalisierung lässt die zu untersuchenden Datenmengen immer weiter anwachsen. Die Komplexität ergibt sich dabei aus den verschiedenartigen Datenstrukturen und –typen sowie dem hohen Anteil an unstrukturierten und semi-strukturierten Daten.

Häufig verwendete Werkzeuge sind beispielsweise die statistischen Programmiersprachen wie R oder SAS, Predictive Analytics-Lösungen wie der IBM SPSS Modeler oder der Rapid Miner, Abfragesprachen wie MDX und SQL, Big Data-Technologien wie Hadoop und Spark und natürlich Excel.

Sie haben Fragen?

Wir beraten Sie gerne.

Cognitive BI

Mittels Cognitive Computing wird Business Intelligence „menschlicher“, u. a. umfasst es Technologien wie Machine Learning und Natural Language Processing. Ziel ist es, den Umgang mit Daten „natürlicher“ zu machen: Die Analyse von Sprache, Bildern und Videos wird maschinell (auch in Echtzeit) verarbeitbar und auch die Interaktion mit den Anwendern wird der Interaktion zwischen Menschen immer ähnlicher.

Cognitive BI erweitert bekannte Disziplinen wie Predictive Analytics um Möglichkeiten, wie z. B. bisher ungenutzte Daten in Information zu verwandeln - beispielsweise durch die Symbiose von Big Data und NoSQL-Technlogien, wodurch Echtzeitauswertungen denkbar wären. Cognitive BI komplettiert somit auch den Werkezugkasten für Data Science. Anstatt vordefinierte Regeln und Strukturen zu nutzen, auf denen Steuerungsinstrumente beruhen, arbeitet ein Cognitive BI-System mit Hypothesen, die vom System mit Antworten untermauert oder widerlegt werden. Damit ist auch klar, dass diese Systeme nicht nur mit großen Datenmengen umgehen können, sondern es auch müssen, damit Hypothesen hinreichend gut ausgearbeitet werden können.

Ein Beispiel stellt die Unterstützung von Call Center Agents dar: Gespräche können in Echtzeit analysiert werden und dem Call Center Agent werden Vorschläge für die Gesprächsführung, z. B. auf welche Themen der Anrufer angesprochen werden soll, empfohlen. Ein weiteres Anwendungsbeispiel ist die Qualitätssicherung in der Fertigung. Die Videoüberwachung eines Fließbandes wird „intelligent“: Mittels Mustererkennung werden fehlerhafte Teile erkannt und können somit aussortiert werden. Dabei lernt ein kognitives System selbstständig, welche Teile gut und welche fehlerhaft sind.

Weiterführende Informationen

Ihr Ansprechpartner

Jörg Thiemann

Business Unit Manager

T +49 69 97460-700

E-Mail senden